arxiv_readerのブックマーク / 2023年3月2日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2023年3月2日のブックマーク (130件)

StraIT: Stratified Image Transformer による非自己回帰生成
arxiv_reader 2023/03/02
既存の自己回帰 (AR) および拡散モデル (DM) に対する高品質の画像合成の優位性を示す、純粋な非自己回帰 (NAR) 生成モデルである Stratified Image Transformer

arXiv

transformer

autoregressive

generative

synthesis

domain

arXiv reaDer
リンク
S-NeRF: ストリートビューのニューラルラディアンスフィールド
arxiv_reader 2023/03/02
Neural Radiance Fields (NeRFs) は、オブジェクト中心のカメラビューに大きなオーバーラップがある場合に、オブジェクトとシーンの新しいビューを合成することを目的としています

LiDAR

pose

dataset

arXiv

vehicle

synthesis

learning

sparse

representation

arXiv reaDer
リンク
画像復元のための画像階層の効率的かつ明示的なモデリング
arxiv_reader 2023/03/02
この論文の目的は、画像復元のために、グローバル、地域、およびローカルの範囲で画像階層を効率的かつ明示的にモデル化するメカニズムを提案することです。それを達成するために、クロススケールの類似性と異方性画

attention

arXiv

synthesis

convolutional

arXiv reaDer
リンク
アバターを読む: 現実的な感情制御可能な音声主導のアバター
arxiv_reader 2023/03/02
READ Avatars は、感情を直接かつきめ細かく制御するオーディオ入力によって駆動される 2D アバターを生成するための 3D ベースのアプローチです。以前の方法では、オーディオからエクスプレッ

arXiv

video

adversarial

metric

emotion

arXiv reaDer
リンク
OSRE: 自転車駐車評価のためのオブジェクトからスポットへの回転推定
arxiv_reader 2023/03/02
現在のディープモデルは、オブジェクトの分類とローカリゼーションの点で優れたオブジェクト検出を提供します。ただし、入力画像の視覚的コンテキストでの他の視覚オブジェクトに対するオブジェクトの回転の推定に

detection

dataset

arXiv

localization

synthesis

classification

estimation

3D

arXiv reaDer
リンク
高次元でのライン上での不一致の謎を解く
arxiv_reader 2023/03/02
分布シフト下での機械学習モデルのパフォーマンスを評価することは困難です。特に、元の (ソース) ドメインからのラベル付きデータと共に、シフトされた (ターゲット) ドメインからのラベル付けされていない

arXiv

learning

domain

classification

arXiv reaDer
リンク
テーブル構造認識のためのベンチマークデータセットの調整
arxiv_reader 2023/03/02
テーブル構造認識 (TSR) のベンチマークデータセットは、一貫して注釈が付けられるように慎重に処理する必要があります。ただし、データセットの注釈が自己一貫性がある場合でも、データセット間で重大な不

dataset

arXiv

transformer

benchmark

arXiv reaDer
リンク
視覚的位置認識を改善するための相補性ベースのスイッチヒューズシステム
arxiv_reader 2023/03/02
最近、視覚的場所認識の問題を解決するために、いくつかの融合およびスイッチングベースのアプローチが提示されました。これらのシステムは VPR パフォーマンスの大幅な向上を示していますが、それぞれに独自の

arXiv

arXiv reaDer
リンク
点群分析のための最近傍点とディープニューラルネットワークの出会い
arxiv_reader 2023/03/02
標準的な 3D ポイントクラウドベンチマークでのパフォーマンスは横ばいになり、モデルのサイズが大きくなり、ネットワーク設計が複雑になり、わずかな改善が必要になります。 Spatial-Neighb

detection

dataset

arXiv

benchmark

segmentation

classification

point cloud

3D

arXiv reaDer
リンク
PE-GAN: Belle II での PXD 画像の事前埋め込み GAN
arxiv_reader 2023/03/02
ピクセル頂点検出器 (PXD) は、粒子の位置を記録する Belle II 検出器の重要な部分です。 PXD やその他のセンサーからのデータにより、粒子の軌跡と崩壊頂点を再構築できます。トラック再構築

detection

reconstruction

arXiv

embedding

GAN

contrastive learning

bias

arXiv reaDer
リンク
古典的な機械学習アプローチを使用した洪水マッピングのための特徴表現の重要性について
arxiv_reader 2023/03/02
気候変動により、世界中で気象災害の深刻度と頻度が増加しています。地球観測データに基づく洪水浸水マッピングは、洪水イベントの影響を受けた地域を示す安価で正確なマップを緊急救援部隊にほぼリアルタイムで提供

dataset

arXiv

real time

metric

learning

representation

gradient

classification

bias

arXiv reaDer
リンク
統一された視点から効率的なチューニング方法を再考する
arxiv_reader 2023/03/02
大規模な事前トレーニング済みの基礎モデルに基づくパラメーター効率の高い転移学習 (PETL) は、さまざまなダウンストリームアプリケーションで大きな成功を収めています。プロンプト、プレフィックス、ア

dataset

arXiv

transformer

transfer learning

pre-training

arXiv reaDer
リンク
アンサンブル学習回帰モデルとデータ特徴付けの 1-D グローバルプーリングを使用した SLAM ATE の予測
arxiv_reader 2023/03/02
同時ローカリゼーションとマッピング (SLAM) の堅牢性と回復力は、最新の自律型ロボットシステムにとって重要な要件です。堅牢性と復元力を実現するための重要な手順の 1 つは、SLAM がローカリゼ

dataset

localization

arXiv

pooling

SLAM

learning

robot

arXiv reaDer
リンク
データセットのダイナミックレンジカバレッジ解析による SLAM 評価フットプリントの最適化
arxiv_reader 2023/03/02
Simultaneous Localization and Mapping (SLAM) は、多くのアプリケーションで使用されているため、進化し続ける問題と見なされています。 SLAM の評価は通常、

dataset

localization

arXiv

SLAM

metric

arXiv reaDer
リンク
https://arxiv-check-250201.firebaseapp.com/each/2303.00612v3
arxiv_reader 2023/03/02
拡張現実やその他の写真編集フィルターは、オンラインに投稿された画像、特に顔の画像を変更するために使用される一般的な方法です。社会的コミュニケーションにおける人間の顔認識の重要な役割を考えると、オンライ

augmentation

human

arXiv

face

arXiv reaDer
リンク
教師なし病理検出: 最新技術の詳細
arxiv_reader 2023/03/02
深い教師なしアプローチは、病状の検出や医用画像のセグメンテーションなどのアプリケーションでますます注目を集めています。これは、大規模なラベル付きデータセットの必要性を軽減し、あらゆる種類のまれな病状を

attention

unsupervised

arXiv

benchmark

anomaly detection

segmentation

pre-training

self-supervised

arXiv reaDer
リンク
ディープフェイク検出のレベルアップ: GAN アーキテクチャと拡散モデルによって生成された画像を効果的に識別する方法
arxiv_reader 2023/03/02
画像のディープフェイク検出タスクは、人工知能 (AI) モデルによって生成された画像から実際の画像を区別するために、科学界によって大きく取り上げられてきました: バイナリ分類タスクです。この作業では、

detection

dataset

arXiv

GAN

deepfake

classification

arXiv reaDer
リンク
ハイブリッドフュージョンによるマルチモーダルな産業異常検出
arxiv_reader 2023/03/02
2D ベースの産業異常検出は広く議論されていますが、3D 点群と RGB 画像に基づくマルチモーダル産業異常検出には、まだ多くの未開拓の分野があります。既存のマルチモーダル産業異常検出方法は、マルチモ

unsupervised

dataset

arXiv

anomaly detection

segmentation

contrastive learning

point cloud

3D

arXiv reaDer
リンク
連続深層均衡モデル: ニューラル ODE を無限に統合することで、ニューラル ODE をより高速にトレーニングします。
arxiv_reader 2023/03/02
暗黙的なモデルは、レイヤーの定義をそのソリューションプロセスの記述から分離します。暗黙的なレイヤーにより、深度などの機能を新しいシナリオや入力に自動的に適応させることができますが、この適応性により、

arXiv

learning

arXiv reaDer
リンク
https://arxiv-check-250201.firebaseapp.com/each/2303.00586v2
arxiv_reader 2023/03/02
独立したディープニューラルネットワーク (DNN) のアンサンブルは、トップラインメトリックを改善し、大規模な単一モデルよりも優れたパフォーマンスを発揮するためのシンプルで効果的な方法です。この

arXiv

DNN

metric

arXiv reaDer
リンク
MonoGraspNet: 単一の RGB 画像を使用した 6-DoF の把持
arxiv_reader 2023/03/02
6-DoF ロボットの把持は、長期にわたる未解決の問題です。最近の方法では、強力な 3D ネットワークを利用して深さセンサーから幾何学的把握表現を抽出し、一般的なオブジェクトに対して優れた精度を示しま

arXiv reaDer

representation

pose

3D

robot

keypoint

dataset

arXiv
リンク
IPCC-TP: 共同マルチエージェント軌道予測のための増分ピアソン相関係数の利用
arxiv_reader 2023/03/02
自律システムの安全な計画と制御には、信頼性の高いマルチエージェント軌道予測が不可欠です。単一エージェントの場合と比較して、複数のエージェントを同時に処理する際の主な課題は、さまざまな運転意図や道路状況

estimation

arXiv reaDer

dataset

attention

arXiv

trajectory
リンク
ディープ畳み込みニューラルネットワークの構造化プルーニング: 調査
arxiv_reader 2023/03/02
深い畳み込みニューラルネットワーク (CNN) の優れたパフォーマンスは、一般に、そのアーキテクチャが深くて広いことに起因すると考えられており、これにはかなりの計算コストがかかる可能性があります。し

CNN

arXiv reaDer

pruning

NAS

regularization

arXiv
リンク
ROCO: ラウンドアバウト交通競合データセット
arxiv_reader 2023/03/02
交通衝突は、数十年にわたって代替の安全対策として交通研究コミュニティによって研究されてきました。ただし、トラフィックの競合はまれであるため、大規模な現実世界のトラフィック競合データを収集することは非常

arXiv reaDer

vehicle

video

dataset

identification

arXiv

trajectory
リンク
対照的学習と属性関連の出現
arxiv_reader 2023/03/02
オブジェクトの提示に応答して、教師あり学習スキームは一般に倹約的なラベルで応答します。同様のプレゼンテーションで、私たち人間は再びラベルを付けて応答しますが、さらに、無数の連想によって殺到します。これ

simulation

arXiv reaDer

classification

contrastive learning

representation

semi-supervised

arXiv
リンク
D2Q-DETR: トランスフォーマーを使用した向きのあるオブジェクト検出のためのデカップリングと動的クエリ
arxiv_reader 2023/03/02
有望な結果にもかかわらず、既存の指向オブジェクト検出方法は、通常、ヒューリスティックに設計されたルール (たとえば RRoI 生成、回転 NMS) を伴います。この論文では、指向性オブジェクト検出のた

arXiv reaDer

classification

detection

dataset

learning

transformer

arXiv
リンク
RAMM: マルチモーダル事前トレーニングによる検索強化生物医学的視覚的質問応答
arxiv_reader 2023/03/02
視覚と言語のマルチモーダル事前トレーニングと微調整は、視覚的質問応答 (VQA) で大きな成功を収めています。一般的なドメイン VQA と比較して、生物医学 VQA のパフォーマンスは、データが限られ

VQA

arXiv reaDer

representation

domain

dataset

pre-training

contrastive

arXiv
リンク
ブラインド画像品質評価のための品質認識事前トレーニング済みモデル
arxiv_reader 2023/03/02
ブラインドイメージ品質評価 (BIQA) は、近年ディープラーニングベースの方法によってパフォーマンスが改善された単一の画像の知覚品質を自動的に評価することを目的としています。ただし、ラベル付け

arXiv reaDer

representation

learning

dataset

pre-training

self-supervised

contrastive

arXiv
リンク
口唇合成における視聴覚同期について
arxiv_reader 2023/03/02
ほとんどのリップトゥスピーチ (LTS) 合成モデルは、データセット内のオーディオとビデオのペアが完全に同期されているという前提でトレーニングおよび評価されます。この作業では、GRID、TCD-T

arXiv reaDer

synthesis

video

dataset

metric

arXiv
リンク
クラス固有の反事実を使用した本質的に解釈可能なマルチラベル分類
arxiv_reader 2023/03/02
解釈可能性は、医用画像解析などの重要なアプリケーション分野における機械学習アルゴリズムにとって不可欠です。ただし、高性能のブラックボックスニューラルネットワークは予測の説明を提供しないため、不信感

arXiv reaDer

classification

learning

dataset

arXiv
リンク
https://arxiv-check-250201.firebaseapp.com/each/2303.00491v2
arxiv_reader 2023/03/02
顔認識システムを十分な精度で運用するためには、顔画像の品質評価が不可欠です。顔の品質の標準化における最近の進歩 (ISO/IEC WD 29794-5) では、顔の品質を個々の要因に分解するためのコン

estimation

arXiv reaDer

synthesis

pose

face recognition

dataset

GAN

arXiv
リンク
結腸直腸癌の組織学からの完全にトランスフォーマーに基づくバイオマーカー予測: 大規模な多中心研究
arxiv_reader 2023/03/02
背景: ディープラーニング (DL) は、結腸直腸癌の通常の病理スライドから予測および予後バイオマーカーを抽出できます。たとえば、CRC におけるマイクロサテライト不安定性 (MSI) の診断のた

CNN

arXiv reaDer

learning

transformer

pre-training

arXiv
リンク
超JPEG圧縮画像を用いたデータ効率のよい視覚的場所認識
arxiv_reader 2023/03/02
Visual Place Recognition (VPR) は、ロボットプラットフォームが搭載カメラからの視覚刺激を正しく解釈して、異なる視点、照明、および外観の変化にもかかわらず、以前に訪れた場

CNN

arXiv reaDer

robot

compression

dataset

benchmark

arXiv
リンク
https://arxiv-check-250201.firebaseapp.com/each/2303.00477v2
arxiv_reader 2023/03/02
農業環境におけるロバストで信頼性の高い場所認識とループクロージャ検出は、まだ未解決の問題です。特に、果樹園は、畑全体で構造が類似しているため、難しいケーススタディです。この作業では、堅牢性の重要なモ

localization

arXiv reaDer

detection

3D

LiDAR

dataset

arXiv
リンク
E-VFIA : 注意を払ったイベントベースのビデオフレーム補間
arxiv_reader 2023/03/02
ビデオフレーム補間 (VFI) は、2 つの連続するオリジナルビデオイメージ間で複数のフレームを合成することを目的とした基本的なビジョンタスクです。ほとんどのアルゴリズムは、キーフレームのみを

simulation

estimation

arXiv reaDer

video

convolutional

transformer

attention

optical flow

arXiv
リンク
CAT: オープンワールドオブジェクト検出用のローカライゼーションと識別カスケード検出トランスフォーマー
arxiv_reader 2023/03/02
オープンワールドオブジェクト検出 (OWOD) は、より一般的で挑戦的な目標として、既知のオブジェクトのデータからトレーニングされたモデルが、既知のオブジェクトと未知のオブジェクトの両方を検出し、

metric

localization

arXiv reaDer

detection

dataset

transformer

benchmark

identification

arXiv
リンク
隠された宝石: クロスモーダル監視を使用した 4D レーダーシーンフロー学習
arxiv_reader 2023/03/02
この作業は、クロスモーダル学習による 4D レーダーベースのシーンフロー推定への新しいアプローチを提案します。私たちのアプローチは、最新の自動運転車におけるコロケーションセンシングの冗長性によって

loss function

estimation

arXiv reaDer

segmentation

multi-task

vehicle

learning

arXiv
リンク
https://arxiv-check-250201.firebaseapp.com/each/2303.00449v2
arxiv_reader 2023/03/02
前臨床マウスモデルにおける生体内 X 線顕微鏡検査 (XRM) は、骨粗鬆症の特徴である骨の微視的構造病理学的変化を特定するために非常に重要です。このメソッドの複雑さは、マウスの骨の高品質の 3 D

arXiv reaDer

CT

3D

identification

arXiv
リンク
画像とテキストを取得するための常識的な最適化を備えたスタイルトランスフォーマー
arxiv_reader 2023/03/02
さまざまなモダリティを関連付ける画像テキスト検索は、その優れた研究価値と幅広い実世界への応用により、幅広い注目を集めています。アルゴリズムは常に更新されていますが、それらのほとんどは、ハイレベルなセマ

arXiv reaDer

representation

dataset

embedding

transformer

attention

arXiv
リンク
効率的なビデオフレーム補間のためのフレーム間アテンションによる動きと外観の抽出
arxiv_reader 2023/03/02
ビデオフレーム補間 (VFI) では、フレーム間の動きと外観の情報を効果的に抽出することが重要です。以前の作業では、両方のタイプの情報を混合した方法で抽出するか、情報のタイプごとに個別のモジュールを

CNN

arXiv reaDer

representation

video

dataset

transformer

attention

arXiv
リンク
OliVaR: ディープニューラルネットワークを使用したオリーブ品種認識の改善
arxiv_reader 2023/03/02
品種の簡単かつ正確な識別は、農業、特に現在 1200 を超えるオリーブ品種が世界中で知られているオリーブ部門では基本です。品種の誤認は、セクター内のすべての関係者に多くの潜在的な問題を引き起こします。

arXiv reaDer

classification

human

learning

dataset

identification

arXiv
リンク
オープンワールド構成ゼロショット学習のための抽出された逆注意ネットワーク
arxiv_reader 2023/03/02
Open-World Compositional Zero-Shot Learning (OW-CZSL) は、見た属性とオブジェクトの新しい構成を認識することを目的としています。 OW-CZSL で

arXiv reaDer

representation

pruning

zero-shot

bias

dataset

attention

disentangling

knowledge distillation

arXiv
リンク
マルチモーダル画像レジストレーションの表現学習は、中間層の監督によって改善できますか?
arxiv_reader 2023/03/02
マルチモーダルイメージングと相関解析では、通常、画像の位置合わせが必要です。対照的な学習は、マルチモーダルイメージの表現を生成し、マルチモーダルイメージレジストレーションの困難なタスクをモノモ

arXiv reaDer

U-Net

contrastive learning

classification

representation learning

dataset

embedding

self-supervised

arXiv
リンク
制約付きプロキシ学習による深い順序分類のクラスレイアウトの制御
arxiv_reader 2023/03/02
深い序数分類の場合、序数分類に固有の適切に構造化された特徴空間を学習することは、クラス間の序数の性質を適切に捉えるのに役立ちます。直観的に、ユークリッド距離メトリックが使用される場合、特徴空間の理想的

arXiv reaDer

classification

learning

metric

arXiv
リンク
スタイルの向上とアイデンティティの保持を備えた数ショットのポートレート生成
arxiv_reader 2023/03/02
現在、仮想デジタルヒューマンの幅広いアプリケーションは、デジタル経済に支えられたデジタル文化の包括的な繁栄と発展を促進しています。 AI テクノロジーによって自動的に生成されるパーソナライズされたポ

arXiv reaDer

few-shot

face

human

arXiv
リンク
言葉では言い表せないマルチモーダル空間エバリュエーター
arxiv_reader 2023/03/02
マルチモーダルイメージレジストレーションは、異なる分布を持つ 2 つのイメージを空間的に位置合わせします。その主な課題の 1 つは、異なるイメージングマシンから取得した画像が異なるイメージング分

dataset

self-supervised

arXiv reaDer

arXiv
リンク
教訓レポート: エンジニアリングの問題解決における検出タスクの超解像
arxiv_reader 2023/03/02
機械学習ベースの超解像アプローチによって、低解像度の入力マップの対象となる場合に、農業検出の問題解決をターゲットにすることから学んだ教訓について説明します。基礎となるドメインは、いわゆるアグロ検出クラ

arXiv reaDer

detection

super-resolution

domain

learning

dataset

arXiv
リンク
リモートセンシング画像変更キャプションのためのプログレッシブスケール認識ネットワーク
arxiv_reader 2023/03/02
リモートセンシング (RS) 画像にはさまざまなスケールの多数のオブジェクトが含まれているため、RS 画像変更キャプション (RSICC) タスクが複雑なシーンで関心のある視覚的変化を識別し、それら

reinforcement

arXiv reaDer

pose

transformer

captioning

arXiv
リンク
無制限のサイズの拡散復元
arxiv_reader 2023/03/02
最近、ゼロショット画像復元 (IR) に拡散モデルを使用することが、新しいホットパラダイムになりました。このタイプの方法は、事前にトレーニングされた市販の拡散モデルを使用するだけでよく、微調整は必

pre-training

arXiv reaDer

zero-shot

arXiv
リンク
エンドツーエンドの SE(3) 等価セグメンテーションネットワーク
arxiv_reader 2023/03/02
畳み込みニューラルネットワーク (CNN) では、線形層で畳み込みカーネルを使用することにより、パラメーター共有と並進等価性が可能になります。これらのカーネルを SO(3) 操縦可能に制限することで

pooling

CNN

arXiv reaDer

segmentation

augmentation

pose

MRI

arXiv
リンク
トランスフォーマーはサンプル効率の良い世界モデル
arxiv_reader 2023/03/02
深層強化学習エージェントはサンプルの効率が悪いことで有名であり、実際の問題への適用がかなり制限されます。最近、この問題に対処するために多くのモデルベースの方法が設計されており、世界モデルの想像力の中で

reinforcement learning

human

arXiv

transformer

benchmark

autoregressive

arXiv reaDer
リンク
最悪の場合の帰属偏差の実用的な上限
arxiv_reader 2023/03/02
モデル属性は、複雑なモデルを解釈できるようにするために、ディープニューラルネットワーク (DNN) の重要なコンポーネントです。最近の研究では、アトリビューション手法のセキュリティが注目されていま

attention

dataset

arXiv

classification

arXiv reaDer

DNN
リンク
TAU: 人工知能と無人航空システムを活用したビデオベースの交通分析のためのフレームワーク
arxiv_reader 2023/03/02
政府当局は、交通パフォーマンスを最適化してエネルギーコストを削減し、ドライバーの安全性と快適性を高め、交通法の執行を確実にし、交通違反を検出するために、スマートな交通工学とインテリジェントな輸送サー

detection

arXiv

UAV

video

tracking

arXiv reaDer
リンク
アダプティブルックアップテーブルフュージョンによるオンラインビデオストリーミングの超解像度
arxiv_reader 2023/03/02
このホワイトペーパーでは、オンラインビデオストリーミングデータの超解像に焦点を当てます。既存の超解像手法をビデオストリーミングデータに適用することは、2 つの理由から簡単ではありません。ま

dataset

arXiv

real time

video

convolutional

super-resolution

pre-training

arXiv reaDer
リンク
類似度畳み込みを使用したスケールと回転の等価性によるネットワークの強化
arxiv_reader 2023/03/02
畳み込みニューラルネットワーク (CNN) の並進同変の性質は、コンピュータービジョンで大きな成功を収めた理由です。ただし、ネットワークは、回転やスケーリングなどのより一般的な等分散特性を利用でき

CNN

computer vision

arXiv

representation

classification

face

arXiv reaDer
リンク
RIFT2: 新しい回転不変性技術による RIFT の高速化
arxiv_reader 2023/03/02
マルチモーダル画像マッチングは、マルチソース画像情報融合の重要な前提条件です。従来のマッチング問題と比較して、マルチモーダルフィーチャマッチングは、深刻な非線形放射歪み (NRD) のため、より困

arXiv

convolutional

arXiv reaDer
リンク
プライバシーを保護した受動的な食事摂取モニタリングのための自己中心的な画像キャプション
arxiv_reader 2023/03/02
カメラベースの受動的な食事摂取モニタリングは、被験者の食事エピソードを継続的にキャプチャし、消費された食物の種類と量、被験者の食事行動などの豊富な視覚情報を記録することができます。しかし、現在のところ

dataset

arXiv

captioning

estimation

arXiv reaDer
リンク
OReX: ニューラルフィールドを使用した平面断面からのオブジェクトの再構成
arxiv_reader 2023/03/02
平面断面から 3D 形状を再構築することは、医療画像処理や地理情報学などのダウンストリームアプリケーションに触発された課題です。入力は、空間内の平面のまばらなコレクションで完全に定義されたイン/アウ

reconstruction

arXiv

mesh

sparse

estimation

3D

arXiv reaDer
リンク
イベントフュージョンフォトメトリックステレオネットワーク
arxiv_reader 2023/03/02
RGB とイベントカメラを使用して、環境光環境でオブジェクトの表面法線を推定する新しい方法を紹介します。最新のフォトメトリックステレオ法は、暗室で RGB カメラに依存して、周囲の照明を回避します

dataset

stereo

arXiv

arXiv reaDer
リンク
正則化されたニューラル ODE を使用したロバストなプロトタイプの少数臓器セグメンテーション
arxiv_reader 2023/03/02
画像のセマンティックセグメンテーションにおけるディープラーニングモデルによる驚異的な進歩にもかかわらず、通常は注釈付きの大規模な例が必要です。小説クラス。これは、高密度のピクセルレベルの注釈を取

attention

dataset

CNN

arXiv

semantic segmentation

few-shot

adversarial

representation

domain

arXiv reaDer
リンク
ビジュアルナビゲーションのためのレンダリング可能なニューラルラディアンスマップ
arxiv_reader 2023/03/02
3D環境の全体的な視覚情報を含むように設計された、レンダリング可能なニューラル放射輝度マップ（RNR-Map）である視覚ナビゲーション用の新しいタイプのマップを提案します。 RNR-Map はグリッド

pose

dataset

arXiv

localization

odometry

tracking

3D

arXiv reaDer
リンク
BiSVP: 双方向のシリアル化された頂点予測によるフットプリント抽出の構築
arxiv_reader 2023/03/02
近年、リモートセンシング画像から建物のフットプリントを抽出することが注目されています。支配的なアプローチは、このような方法の適用を制限する面倒な洗練段階でベクトル化された建物マスクを生成することにより

attention

dataset

arXiv

benchmark

segmentation

learning

arXiv reaDer
リンク
すべての関節の動きのキャプチャ: 独立したトークンを使用した 3D 人間の姿勢と形状の推定
arxiv_reader 2023/03/02
この論文では、単眼ビデオから 3D 人間の姿勢と形状を推定する新しい方法を提示します。このタスクでは、単眼画像またはビデオからピクセルアラインメントの 3D 人間のポーズと体型を直接復元する必要があ

pose

dataset

arXiv

transformer

monocular

SMPL

metric

estimation

3D

arXiv reaDer
リンク
動きからの深さによる単眼3Dオブジェクト検出
arxiv_reader 2023/03/02
マルチセンサー設定と比較して経済的であることを考えると、単眼入力から3Dオブジェクトを認識することはロボットシステムにとって非常に重要です。単一の画像では絶対深度値を予測するための手がかりを提供できな

detection

pose

stereo

arXiv

benchmark

monocular

estimation

robot

3D

arXiv reaDer
リンク
外れ値ロバストグラフマッチングのためのアフィニティ正則化による取り消し可能な深層強化学習
arxiv_reader 2023/03/02
グラフマッチング (GM) は、コンピュータービジョンやパターン認識など、さまざまな分野の構成要素となっています。最近の目覚ましい進歩にもかかわらず、既存のディープ GM 手法では、実際にはどこに

affinity

reinforcement learning

action

regularization

dataset

computer vision

arXiv

approximation

arXiv reaDer
リンク
StrucTexTv2: ドキュメント画像の事前トレーニングのためのマスクされた視覚テキスト予測
arxiv_reader 2023/03/02
このホワイトペーパーでは、マスクされたビジュアルテキスト予測を実行することにより、効果的なドキュメント画像の事前トレーニングフレームワークである StrucTexTv2 を紹介します。これは、テキスト

arXiv

benchmark

classification

pre-training

self-supervised

arXiv reaDer
リンク
敵対的セマンティック輪郭で自分を見えなくする
arxiv_reader 2023/03/02
最新のオブジェクト検出器は敵対的な例に対して脆弱であり、実際のアプリケーションにリスクをもたらす可能性があります。スパース攻撃は重要なタスクであり、画像全体に対する一般的な敵対的摂動と比較して、一般に

detection

dataset

arXiv

transformer

Bayesian

adversarial

autonomous driving

sparse

bias

arXiv reaDer
リンク
マジック: 3D ダンス生成のためのマルチアートジャンルインテリジェントコレオグラフィーデータセットとネットワーク
arxiv_reader 2023/03/02
マルチジャンルのデータセットがないため、特定の音楽から複数のジャンルと長期的な振り付けシーケンスを実現することは困難な作業です。この問題に取り組むために、マルチアートジャンルインテリジェントコレオグラ

dataset

human

arXiv

3D

arXiv reaDer
リンク
視覚言語アラインメントによる Covid-19 の大まかなセグメンテーション
arxiv_reader 2023/03/02
COVID-19 病変のセグメンテーションは、医師が COVID-19 をより適切に診断および治療するのに役立ちます。ただし、COVID-19 データセットには詳細な情報と高品質の注釈が不足しているた

CT

dataset

arXiv

segmentation

COVID-19

arXiv reaDer
リンク
コラージュの拡散
arxiv_reader 2023/03/02
テキスト条件付き拡散モデルは、高品質で多様な画像を生成します。ただし、テキストは、多くの場合、目的のターゲットイメージの仕様があいまいなため、拡散ベースのイメージ生成用にユーザーフレンドリーなコン

arXiv

representation

arXiv reaDer
リンク
EfficientNet の高速化: 転移学習における遺伝的アルゴリズムを使用した畳み込みニューラルネットワークの更新ブロックの選択
arxiv_reader 2023/03/02
畳み込みニューラルネットワーク (CNN) のパフォーマンスは、そのアーキテクチャに大きく依存します。 CNN の転移学習のパフォーマンスは、トレーニング可能なレイヤーの選択に大きく依存します。特定

GA

dataset

CNN

arXiv

transfer learning

metric

domain

pre-training

arXiv reaDer
リンク
相関情報のボトルネック: 堅牢な視覚的質問応答のための事前トレーニング済みマルチモーダルモデルの適応に向けて
arxiv_reader 2023/03/02
大規模な事前トレーニング済みのビジョン言語モデル (VLM) の恩恵を受けて、Visual Question Answering (VQA) のパフォーマンスは人間のオラクルのパフォーマンスに近づきま

VQA

dataset

human

arXiv

compression

learning

representation

estimation

arXiv reaDer
リンク
ISBNet: インスタンス認識サンプリングとボックス認識動的畳み込みを備えた 3D ポイントクラウドインスタンスセグメンテーションネットワーク
arxiv_reader 2023/03/02
既存の 3D インスタンスセグメンテーション方法は、ボトムアップ設計によって支配されています。ポイントをクラスターにグループ化するために手動で微調整されたアルゴリズムと、それに続くリファインメント

arXiv

segmentation

convolutional

point cloud

3D

arXiv reaDer
リンク
Negativa による迷惑行為: データ増強による疑似相関の調整
arxiv_reader 2023/03/02
予測タスクでは、そのタスクのさまざまな設定で同じようにラベルに関連する機能が存在します。これらはセマンティック機能またはセマンティクスです。ラベルとの関係が変化する機能は迷惑です。たとえば、自然画像か

augmentation

arXiv

OOD

face

arXiv reaDer
リンク
SUNY: 必要かつ十分な観点から見た畳み込みニューラルネットワークの視覚的解釈フレームワーク
arxiv_reader 2023/03/02
研究者は、顕著性マップを介して畳み込みニューラルネットワーク (CNN) を視覚的に解釈するためのさまざまな方法を提案してきました。これには、主要なファミリーとしてのクラス活性化マップ (CAM)

dataset

CNN

human

arXiv

interpretation

saliency

arXiv reaDer
リンク
NVRadarNet: 自動運転のためのリアルタイムレーダーによる障害物と空きスペースの検出
arxiv_reader 2023/03/02
障害物を検出することは、安全で効率的な自動運転にとって重要です。この目的のために、自動車用レーダーセンサーを使用して動的な障害物と運転可能な空きスペースを検出するディープニューラルネットワーク

detection

DNN

arXiv

vehicle

real time

autonomous driving

sparse

arXiv reaDer
リンク
ニューラル屋内シーン再構築のための P^2SDF
arxiv_reader 2023/03/02
一連の画像のみが与えられた場合、ニューラルの暗黙的な表面表現は、3D 表面再構成におけるその能力を示しています。ただし、シーンごとの最適化の性質は、色のボリュームレンダリングに基づいているため、以前

reconstruction

unsupervised

regularization

arXiv

representation

estimation

3D

arXiv reaDer
リンク
より正確な自動分析に向けて：深層学習に基づく多臓器セグメンテーションの包括的な調査
arxiv_reader 2023/03/02
医用画像から頭、首、胸、腹部の複数の臓器を正確にセグメンテーションすることは、コンピューター支援診断、手術ナビゲーション、および放射線治療において不可欠なステップです。過去数年間で、データ駆動型の特徴

dataset

arXiv

segmentation

loss function

arXiv reaDer
リンク
CRC-RL: 教師なし強化学習のための新しい視覚的特徴表現アーキテクチャ
arxiv_reader 2023/03/02
このペーパーでは、エンドツーエンドの強化学習 (RL) モデルのパフォーマンスを向上させることを目的として、視覚的特徴表現学習の問題に対処します。具体的には、CRC損失と呼ばれる異種損失関数を使用して

augmentation

reinforcement learning

reconstruction

representation learning

unsupervised

arXiv

benchmark

loss function

contrastive

arXiv reaDer
リンク
Earthformer: 地球システム予測のための時空間トランスフォーマーの探索
arxiv_reader 2023/03/02
従来、地球システム (天気や気候など) の予測は、複雑な物理モデルを使用した数値シミュレーションに依存しているため、計算コストが高く、ドメインの専門知識が必要でした。過去 10 年間の時空間地球観測デ

simulation

arXiv reaDer

domain

dataset

learning

transformer

attention

benchmark

arXiv
リンク
事前訓練された拡散確率モデルから学習する教師なし表現
arxiv_reader 2023/03/02
拡散確率モデル (DPM) は、高品質の画像サンプルを生成する強力な能力を示しています。最近、拡散オートエンコーダー (Diff-AE) が提案され、オートエンコードによる表現学習用の DPM を探索

reconstruction

representation learning

unsupervised

arXiv

pre-training

arXiv reaDer
リンク
不正な宝くじの調整: すべてのチケットの信頼性を高める
arxiv_reader 2023/03/02
スパーストレーニングは、メモリを節約し、トレーニングを高速化し、推論時間を短縮するために、リソースが制限されたさまざまなディープラーニングタスクで成功裏に使用されていますが、生成されたスパース

dataset

approximation

arXiv

learning

sparse

arXiv reaDer
リンク
https://arxiv-check-250201.firebaseapp.com/each/2303.00215v2
arxiv_reader 2023/03/02
機械学習モデルに挿入されたバックドアトリガーを見つけるプロセスであるバックドアインバージョンは、多くのバックドア検出および防御方法の柱となっています。バックドア反転に関する以前の研究では、多くの場

detection

regularization

arXiv

synthesis

learning

face

arXiv reaDer
リンク
心筋灌流SPECTのためのタスク固有の深層学習ベースのノイズ除去アプローチ
arxiv_reader 2023/03/02
深層学習 (DL) ベースの方法は、低線量で取得した心筋灌流 SPECT 画像のノイズ除去に大きな期待を寄せています。これらのメソッドの臨床応用のためには、臨床タスクの評価が重要です。通常、これらの方

detection

human

arXiv

denoising

arXiv reaDer
リンク
Label-Space Co-Training による RECIST 弱監視病変セグメンテーション
arxiv_reader 2023/03/02
がんの進行と治療反応の重要な指標として、腫瘍サイズは多くの場合、CT スライスにおける固形腫瘍の反応評価基準 (RECIST) ガイドラインに従って測定されます。各病変をその最長軸と最長垂直軸でマーク

CT

dataset

weakly-supervised

arXiv

segmentation

arXiv reaDer
リンク
特徴抽出の重要性: アンサンブル特徴抽出器への攻撃による普遍的なディープフェイクの混乱
arxiv_reader 2023/03/02
敵対的な例は、ディープフェイクの改ざんから顔のプライバシーセキュリティを保護する方法として注目を集めています。大量の顔画像がさまざまなディープフェイクモデルによって違法に変更されるのを防ぐには、普

reconstruction

arXiv

benchmark

adversarial

deepfake

face

arXiv reaDer
リンク
DMSA: 適応親和性に基づく動的マルチスケール教師なしセマンティックセグメンテーション
arxiv_reader 2023/03/02
この論文で提案された方法は、4 つの損失関数に基づくエンドツーエンドの教師なしセマンティックセグメンテーションアーキテクチャ DMSA を提案します。このフレームワークは、Atrous Spati

augmentation

affinity

unsupervised

dataset

arXiv

semantic segmentation

pooling

loss function

saliency

arXiv reaDer
リンク
自己教師あり畳み込み視覚プロンプト
arxiv_reader 2023/03/02
機械学習モデルは、分布外 (OOD) サンプルで失敗することがよくあります。ビジュアルプロンプトは、大規模なビジョンモデルの入力空間における軽量の適応方法として出現します。既存のビジョンプロンプ

arXiv

OOD

learning

convolutional

adaptation

self-supervised

arXiv reaDer
リンク
CLIPER: 野生の表情認識のための視覚言語統合フレームワーク
arxiv_reader 2023/03/02
顔表情認識 (FER) は、人間の行動を理解するために不可欠なタスクです。人間の最も有益な行動の 1 つである顔の表情は、多くの場合、複合的で可変的です。これは、人によって同じ表情が非常に異なる方法で

contrastive

human

computer vision

arXiv

benchmark

face

representation

pre-training

arXiv reaDer
リンク
ナレッジグラフに対するマルチモーダル類推推論
arxiv_reader 2023/03/02
類推は人間の認知の基本であり、さまざまな分野で重要な位置を占めています。ただし、以前の研究は主に単一モードの類推推論に焦点を当てており、構造知識を利用することを無視しています。特に、認知心理学の研究で

dataset

human

embedding

arXiv

transformer

reasoning

pre-training

arXiv reaDer
リンク
画像とテキストのマッチングにおける勾配消失を軽減するための選択的ハードネガティブマイニング
arxiv_reader 2023/03/02
最近では、一連の画像テキストマッチング (ITM) メソッドが優れたパフォーマンスを達成しています。ただし、ほとんどの既存の ITM モデルは、トレーニングの開始時に勾配が消失することに悩まされてい

arXiv

benchmark

embedding

gradient

residual

arXiv reaDer
リンク
FaceRNET: 表情強度推定ネットワーク
arxiv_reader 2023/03/02
この論文では、ビデオからの表情強度推定に対する私たちのアプローチを紹介します。これには 2 つのコンポーネントが含まれています。 ii) データ内の時間情報をキャプチャする RNN と、その後に動的ル

action

dataset

emotion

arXiv

video

representation

estimation

face

RNN

arXiv reaDer
リンク
医用画像における 3 次元入力データ分析と意思決定を調和させるためのディープニューラルアーキテクチャ
arxiv_reader 2023/03/02
さまざまな数のスライスで構成され、ボリュームごとに注釈が付けられた、特に 3 次元画像ボリュームのデータの分析を調和させることは、医療画像処理を含むさまざまなアプリケーションでディープニューラルネ

CT

dataset

arXiv

COVID-19

arXiv reaDer
リンク
Projector Ensemble による特徴抽出の改善
arxiv_reader 2023/03/02
知識の蒸留では、以前の特徴の蒸留方法は、主に損失関数の設計と蒸留層の選択に焦点を当てていましたが、学生と教師の間の特徴プロジェクターの効果は未調査のままです。この論文では、最初に経験的証拠を使用してプ

dataset

arXiv

loss function

knowledge distillation

learning

classification

multi-task

arXiv reaDer
リンク
Sketch2Cloth: 符号なし距離フィールドを使用したスケッチベースの 3D 衣服生成
arxiv_reader 2023/03/02
単一の画像からの 3D モデルの再構築は、最近のディープジェネレーティブモデルで大きな進歩を遂げました。ただし、テンプレートメッシュの変形とインプリシットフィールドを使用した従来の再構築アプロ

reconstruction

arXiv

generative

mesh

3D

arXiv reaDer
リンク
拡散確率場
arxiv_reader 2023/03/02
拡散確率モデルは、画像、3D ジオメトリ、ビデオ、およびその他のドメインの生成モデリングの主要なアプローチになりました。ただし、拡散生成モデリングをこれらのドメインに適応させるには、多くの場合、データ

denoising

arXiv

generative

video

metric

learning

domain

3D

arXiv reaDer
リンク
NIFT: オブジェクト操作のためのニューラル相互作用フィールドとテンプレート
arxiv_reader 2023/03/02
NIFT、Neural Interaction Field、および Template を導入します。これは、オブジェクト操作の記述的で堅牢な相互作用表現であり、模倣学習を容易にします。いくつかのオブジ

pose

arXiv

learning

representation

arXiv reaDer
リンク
半教師付きパラメトリック実世界画像調和
arxiv_reader 2023/03/02
学習ベースの画像調和技術は通常、単一のグラウンドトゥルース写真でマスクされた前景に適用された合成ランダムグローバル変換を元に戻すようにトレーニングされます。このシミュレートされたデータは、実際のコ

semi-supervised

arXiv

benchmark

synthesis

arXiv reaDer
リンク
画像からの編み糸のニューラル逆手続きモデリング
arxiv_reader 2023/03/02
描写された糸サンプルの単一画像から繊維レベルの詳細を備えた高品質の手続き型糸モデルを推測するニューラル逆手続き型モデリングの機能を調査します。単一のニューラルネットワークに基づいて基になる糸モデルの

reconstruction

regularization

dataset

arXiv

synthesis

loss function

arXiv reaDer
リンク
アナログビット: 拡散モデルと自己調整を使用した離散データの生成
arxiv_reader 2023/03/02
ビット拡散: 連続状態および連続時間拡散モデルを使用して離散データを生成するためのシンプルで一般的なアプローチを紹介します。私たちのアプローチの背後にある主なアイデアは、最初に離散データをバイナリビ

dataset

arXiv

captioning

autoregressive

arXiv reaDer
リンク
アクション認識のためのテクスチャベースの入力特徴選択
arxiv_reader 2023/03/02
この論文では、オクルージョンとモーションブラーの下での複数人の姿勢推定と追跡のための新しいフレームワークを提案します。具体的には、連続するフレームからのグラフ構造の一貫性は、目に見える身体の関節に集中

dataset

arXiv

anomaly detection

optical flow

video

pose estimation

occlusion

sparse

tracking

arXiv reaDer
リンク
PixHt-Lab: 画像合成のためのピクセル高さベースの照明効果の生成
arxiv_reader 2023/03/02
影や反射などの照明効果は、合成画像をリアルで視覚的に魅力的なものにするための鍵です。このような効果を生成するために、従来のコンピューターグラフィックスでは、物理ベースのレンダラーと 3D ジオメトリ

arXiv

synthesis

representation

3D

arXiv reaDer
リンク
構成テキストから画像への合成のためのトレーニング不要の構造化拡散ガイダンス
arxiv_reader 2023/03/02
大規模な拡散モデルは、テキストから画像への合成 (T2I) タスクで最先端の結果を達成しました。高品質でありながらクリエイティブな画像を生成する能力にもかかわらず、特に複数のオブジェクトが関係する場合

arXiv

representation

synthesis

arXiv reaDer
リンク
生成モデリングは弱い監視を支援します（およびその逆）
arxiv_reader 2023/03/02
教師あり機械学習の多くの有望なアプリケーションは、十分な量と品質のラベル付きデータを取得する際のハードルに直面し、高価なボトルネックを生み出します。このような制限を克服するために、弱い監視や生成モデリ

augmentation

dataset

weakly-supervised

arXiv

synthesis

GAN

learning

classification

face

arXiv reaDer
リンク
ロジット補正による疑似相関の回避
arxiv_reader 2023/03/02
経験的研究によると、経験的リスク最小化 (ERM) でトレーニングされた機械学習モデルは、多くの場合、クラスラベルと誤って相関している可能性のある属性に依存していることが示唆されています。このような

arXiv

benchmark

learning

arXiv reaDer
リンク
PixCUE: Deep Pixel Classification を使用した MRI における関節不確定性推定と画像再構成
arxiv_reader 2023/03/02
深層学習 (DL) モデルは、MR データの潜在的な表現をうまく活用することができ、MRI 再構成を加速するための最先端技術となっています。ただし、k 空間での測定値のアンダーサンプリング、および D

reconstruction

arXiv

MRI

adversarial

metric

learning

representation

classification

estimation

arXiv reaDer
リンク
3D VSG: 3D 可変シーングラフによる長期的なセマンティックシーン変化予測
arxiv_reader 2023/03/02
多くのアプリケーションでは、ロボットが人間や他のロボットなどの他のエージェントと共有される環境で動作する必要があります。ただし、このような共有シーンは、通常、さまざまな種類の長期的なセマンティックシ

detection

dataset

human

arXiv

representation

estimation

robot

3D

arXiv reaDer
リンク
画像に埋め込まれたメッセージの操作を検出するための知覚ハッシュの使用に関する研究
arxiv_reader 2023/03/02
通常、画像のメタデータは、画像ファイルの特定のデータセグメントに格納されます。ただし、変更を安全に検出するために、データを画像に埋め込むこともできます。これは、理想的には圧縮に耐えられるように、でき

compression

arXiv

embedding

arXiv reaDer
リンク
LiDAR 範囲および属性スキャンシーケンスのロスレス SIMD 圧縮
arxiv_reader 2023/03/02
LiDAR センサーが普及するにつれて、効率的な LiDAR データ圧縮アルゴリズムの必要性が高まっています。最新の LiDAR は、1 時間あたり数ギガバイトのスキャンデータを生成し、コンピューテ

LiDAR

drone

arXiv

benchmark

vehicle

compression

autonomous driving

arXiv reaDer
リンク
単純な変換器を現実世界の点群に適用する
arxiv_reader 2023/03/02
誘導性バイアスがないため、変圧器ベースのモデルには通常、大量のトレーニングデータが必要です。 3D データは取得して注釈を付けるのが難しいため、この問題は特に 3D ビジョンに関係しています。この問

detection

attention

arXiv

transformer

semantic segmentation

embedding

self-supervised

point cloud

3D

arXiv reaDer
リンク
SF2Former: 空間および周波数融合トランスフォーマーを使用した多施設 MRI データからの筋萎縮性側索硬化症の同定
arxiv_reader 2023/03/02
筋萎縮性側索硬化症 (ALS) は、運動ニューロンの変性を伴う複雑な神経変性疾患です。病気の状態を診断および監視するための潜在的なバイオマーカーとして、脳の磁気共鳴画像法 (MRI) を確立するための

computer vision

arXiv

transformer

transfer learning

MRI

domain

classification

pre-training

identification

arXiv reaDer
リンク
分布外検出のために超球面埋め込みを利用する方法は?
arxiv_reader 2023/03/02
分布外 (OOD) の検出は、信頼性の高い機械学習にとって重要なタスクです。表現学習の最近の進歩により、距離ベースの OOD 検出が可能になりました。この場合、テストサンプルは、分散 (ID) クラ

detection

representation learning

arXiv

embedding

OOD

contrastive

arXiv reaDer
リンク
Worldview-3 画像における屋上太陽光発電のサイト評価とレイアウト最適化
arxiv_reader 2023/03/02
ここ数十年における住宅の屋上 PV の採用の増加に伴い、効果的なレイアウト設計の問題が近年ますます重要になっています。多くの自動化された方法が導入されていますが、これらは、計算の扱いやすさを向上させる

arXiv

satellite

arXiv reaDer
リンク
ニューラルインプリシットサーフェスを使用した動的多視点シーン再構成
arxiv_reader 2023/03/02
一般的な動的シーンの再構築は、多くのコンピュータービジョンおよびグラフィックスアプリケーションにとって重要です。最近の作品は、写真のようにリアルなビュー合成のためのニューラル放射輝度フィールドを使

reconstruction

dataset

computer vision

arXiv

synthesis

video

representation

differentiable

arXiv reaDer
リンク
一般化可能なビデオモーメントの取得に向けて: 画像テキストの事前トレーニングへの視覚動的注入
arxiv_reader 2023/03/02
視覚とテキストの間の相関関係は、ビデオモーメント検索 (VMR) に不可欠ですが、既存の方法は、視覚的理解とテキスト理解のために個別のトレーニング前の特徴抽出器に大きく依存しています。十分な時間境界

dataset

arXiv

embedding

benchmark

video

OOD

pre-training

arXiv reaDer
リンク
エチオピアの気温とリモートセンシングデータを使用して貧困を予測するための新しい機械学習アプローチ
arxiv_reader 2023/03/02
多くの発展途上国では、貧困に関するデータが不足しているため、重要な人道支援組織が大規模な危機に対応できていません。現在、社会経済調査は、組織や研究者が貧困を測定および追跡するために大規模に実施されてい

satellite

transfer learning

arXiv reaDer

arXiv
リンク
ノイズ除去拡散モデルによる人物画像合成
arxiv_reader 2023/03/02
ポーズ誘導人物画像生成タスクでは、任意のポーズで人間の写実的な画像を合成する必要があります。既存のアプローチは、必ずしも現実的なテクスチャを維持したり、複雑な変形や深刻なオクルージョンを処理するのに苦

pose

arXiv

benchmark

denoising

person

synthesis

GAN

occlusion

learning

arXiv reaDer
リンク
圧縮ビデオ品質向上のための有効情報ガイダンスネットワーク
arxiv_reader 2023/03/02
近年、深層学習手法は、圧縮ビデオの品質向上タスクにおいて大きな優位性を示してきました。既存の方法は一般に生のビデオをグラウンドトゥルースとして使用し、さまざまなアーティファクトを含む連続したフレーム

loss function

spatio-temporal

arXiv reaDer

video

learning

distillation

arXiv
リンク
視覚言語事前トレーニングモデルによる医療用音声テキスト変換精度の向上
arxiv_reader 2023/03/02
自動音声認識 (ASR) は、話された言葉をテキストに変換し、人間と機械の相互作用を促進する技術です。 ASR の最も一般的なアプリケーションの 1 つは Speech-To-Text (STT) テ

arXiv reaDer

domain

dataset

pre-training

arXiv
リンク
Mesh-SORT: ロケーションごとのトラッカーのシンプルで効果的な
arxiv_reader 2023/03/02
近年、マルチオブジェクトトラッキング (MOT) は、交通や人物の検出に応用できる可能性があるため、注目を集めています。ほとんどの追跡シナリオでは、特定の場所でオブジェクトが移動して失われる傾向があ

person

arXiv reaDer

detection

MOT

arXiv

mesh

attention
リンク
グループ活動認識のための知識拡張関係推論
arxiv_reader 2023/03/02
ほとんどの既存のグループ活動認識方法は、単に視覚的表現に基づいて時空間関係を構築します。一部のメソッドは、アクションラベルなどの追加の知識を導入して、セマンティックな関係を構築し、それらを使用して視

augmentation

arXiv reaDer

arXiv

dataset

activity

representation

action
リンク
Im2Hands: 相互作用する両手形状の注意深い暗黙的表現の学習
arxiv_reader 2023/03/02
Implicit Two Hands (Im2Hands) は、相互作用する 2 つの手の最初のニューラル暗黙表現です。パラメトリックな手のモデルおよび/または低解像度のメッシュに依存する両手の再構築

3D

estimation

keypoint

arXiv reaDer

reconstruction

arXiv

learning

representation

mesh

attention
リンク
HelixSurf: 反復的に絡み合った正則化による屋内シーンのロバストで効率的なニューラル暗黙的表面学習
arxiv_reader 2023/03/02
多視点画像から基礎となるシーンジオメトリを復元することは、コンピュータービジョン研究における長年の課題です。最近の約束は、ニューラルの暗黙的な表面学習と微分可能なボリュームレンダリングを活用し、

arXiv reaDer

synthesis

differentiable

reconstruction

arXiv

computer vision

learning

stereo

regularization

bias
リンク
CLIP モデルをシーンテキスト検出器に変換する
arxiv_reader 2023/03/02
最近の大規模な Contrastive Language-Image Pretraining (CLIP) モデルは、事前トレーニングされたビジョンと言語知識を活用することで、さまざまなダウンストリー

few-shot

contrastive

arXiv reaDer

benchmark

detection

arXiv

domain adaptation
リンク
必要なのは言語だけではない: 認識を言語モデルに合わせる
arxiv_reader 2023/03/02
言語、マルチモーダルな知覚、アクション、および世界モデリングの大きな収束は、汎用人工知能に向けた重要なステップです。この作業では、Kosmos-1 を導入します。これは、一般的なモダリティを認識し、コ

few-shot

arXiv reaDer

classification

gradient

captioning

arXiv

dataset

zero-shot

action

reasoning
リンク
顔スタイルと音声スタイルのクロスモーダル転送
arxiv_reader 2023/03/02
画像から画像への変換と音声変換により、画像内のポーズや音声内の言語コンテンツなどのセマンティクスの一部をそれぞれ維持しながら、新しい顔画像と音声を生成できます。多くのアプリケーションでコンテンツ作成プ

arXiv reaDer

arXiv

dataset

pose

face
リンク
転移学習における事前学習データの役割
arxiv_reader 2023/03/02
モデルの事前トレーニングとその後の微調整の転移学習パラダイムにより、高精度のモデルが生成されます。ほとんどの研究では、事前トレーニングのサイズをスケーリングして転移学習のメリットを最大限に活用すること

contrastive

arXiv reaDer

arXiv

few-shot

dataset

transfer learning

pre-training
リンク
UniXGen: マルチビュー胸部 X 線生成およびレポート生成のための統合ビジョン言語モデル
arxiv_reader 2023/03/02
医学研究で生成された合成データは、プライバシーとセキュリティに敏感なデータを大規模な精選されたデータセットに置き換えることができ、データ収集と注釈のコストを削減します。この取り組みの一環として、胸部

transformer

arXiv reaDer

synthesis

quantization

arXiv

dataset
リンク
4D占有率予測のプロキシとしての点群予測
arxiv_reader 2023/03/02
世界が将来どのように進化するかを予測することは、自律システムの動作計画にとって重要です。古典的な方法は、動きを計画するためにセマンティッククラスラベル、バウンディングボックス、トラックまたは都市

3D

arXiv reaDer

vehicle

arXiv

dataset

human

point cloud

self-supervised

LiDAR
リンク
DEVICE: テキストキャップ用の深度と視覚的概念を認識するトランスフォーマー
arxiv_reader 2023/03/02
テキストベースの画像キャプションは、視覚的なオブジェクトとシーンのテキストを含む説明を生成することを目的とした重要なタスクですが、まだ調査されていません。最近の研究は有望な進歩を遂げましたが、シーンの

transformer

arXiv reaDer

captioning

arXiv

reasoning
リンク
- 2023年3月3日
- 2023年3月2日
- 2023年3月1日

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx